神经形态硬件上稳态脉冲神经网络中涌现双稳态的自相关
神经元与认知
2022-08-18 v1 适应与自组织系统
摘要
神经形态计算的一个独特特征是，记忆通过系统集体动力学中过去信息的痕迹成为处理的隐式部分。关于过去输入的记忆程度通常由集体动力学的自相关时间量化。基于过去的实验证据，对潜在自相关的一个可能解释是接近临界涨落。在此，我们针对兴奋性 and 抑制性漏积分-发放神经元的自组织网络表明，自相关可源于在减弱外部输入强度时涌现的双稳态。我们将该双稳态识别为在非平衡相变附近活跃与静息亚稳态之间的涨落诱导随机切换。这种双稳态出现在具有固定异质权重的网络中，是发育过程中稳态自组织的结果。具体而言，在我们的神经形态硬件实验和计算机模拟中，涌现的双稳态产生了超过 500 ms 的自相关时间，尽管单神经元时间尺度仅 20 ms。我们的结果提供了漏积分-发放神经元网络中生物学兼容自相关时间的首次验证，其在此并非由接近临界涨落产生，而是由稳态调控网络中的涌现双稳态产生。因此，我们的结果为脉冲神经元网络中涌现自相关提供了一种新的、互补的机制，对生物与人工网络具有意义，并引入了具有吸收态的驱动系统的涨落诱导双稳态这一一般范式。
引用
@article{arxiv.2208.08329,
title = {Autocorrelations from emergent bistability in homeostatic spiking neural networks on neuromorphic hardware},
author = {Benjamin Cramer and Markus Kreft and Sebastian Billaudelle and Vitali Karasenko and Aron Leibfried and Eric Müller and Philipp Spilger and Johannes Weis and Johannes Schemmel and Miguel A. Muñoz and Viola Priesemann and Johannes Zierenberg},
journal= {arXiv preprint arXiv:2208.08329},
year = {2022}
}